适应信号处理、多抽样信号处理等； 统计学：随机过程、统计信号检测与估计理论； 系统与控制； 人工智能和专家系统。
10.2.2 多源信息融合算法概述
在信息融合领域使用的主要数学工具或方法有概率论、 推理网络、模糊理论和神经网络等，其中使用较多的 是概率论、模糊理论、推理网络。当然，除了这几种 常有的方法之外，还有其他很多解决途径。
概率论 推理网络 模糊理论 神经网络
10.3 贝叶斯信息融合方法
10.3.1 贝叶斯统计理论概述
10.3.2 基于贝叶斯统计理论的信息融合
10.3.1 贝叶斯统计理论概述
Bayes统计学派和古典统计学派的基本观点是对立的， 它对古典统计学派的批判有如下几点：
（1）古典统计仅能估计两个假设，即假设 H 0 和与其相对的备选假设 H1 。
10.5.1 Dempster-Shafer证据理论概述
定义 3 命题的似然函数 Pl：
Pl： 2 [0,1]
Pl A 1 Bel(A)，对所有的 A
Pl 函数也称为上限函数或不可驳斥函数，表示对 A 非假设的信任程度，即表示对 A 似 乎可能成立的不确定性度量。
容易证明，信任函数和似然函数有如下关系：
Bayes融合识别算法的主要步骤为：
（1）将每个传感器关于目标的观测转化为目标属性的分类与说明 D1,D2 , ,Dm 。
（2）计算每个传感器关于目标属性说明或判定的不确定性，即 P(Dj | Oi ), j 1,2,
,m;i 1,2, ,n 。
（3）计算目标属性的融合概率：
P(Oi | D1,D2 , ,Dm )
（2）古典统计将参数 看作一个固定的数值，只知道它属于参数空间，在抽样之前， 对它一无所知，不考虑 的先验信息，这对于先验信息确实存在的情形是十分可惜的。
